基于生成对抗网络的电动汽车电池数据增强和故障诊断

针对电动汽车动力电池故障数据稀缺导致诊断模型泛化能力差的问题，提出了基于生成对抗网络（GAN）的数据增强方法，根据增强后的数据，利用随机森林（RF）模型结合贝叶斯优化（BO）方法设计故障诊断方案，形成GAN-RF-BO电池故障诊断框架，并在真实故障数据集上与常用的多层感知机（MLP）模型、支持向量机（SVM）模型和梯度提升决策树（GBDT）模型进行泛化能力对比，结果表明，所提出的故障诊断方案准确率较MLP模型、SVM模型和GBDT模型分别提高19.66%、19.71%及16.31%,GAN-RF-BO框架能有效利用稀缺数据诊断动力电池故障。